news 2026/4/25 18:25:52

agentscope Mem0LongTermMemory记忆写入和查询工具2个py

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
agentscope Mem0LongTermMemory记忆写入和查询工具2个py

query.py 查询

🔍 查询咖啡偏好: 1. 用户表达了咖啡偏好 2. 我喜欢喝美式咖啡,不加糖 3. 我喜欢喝美式咖啡,不加糖 4. 好的,我记住了您喜欢喝不加糖的美式咖啡 5. 我喜欢喝美式咖啡,不加糖 6. 好的,我记住了您喜欢喝不加糖的美式咖啡 🔍 查询周末活动: 1. 周末我喜欢去公园散步 2. 了解了,您周末喜欢去公园散步 3. 周末我喜欢去公园散步 4. 了解了,您周末喜欢去公园散步 5. 周末我喜欢去公园散步 6. 了解了,您周末喜欢去公园散步
import asyncio import os import sys sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) from agentscope.memory import Mem0LongTermMemory from agentscope.message import Msg from agentscope.model import OpenAIChatModel from agentscope.embedding import DashScopeTextEmbedding from mem0.vector_stores.configs import VectorStoreConfig from dotenv import load_dotenv load_dotenv() async def query_clean(): long_term_memory = Mem0LongTermMemory( agent_name="Assistant", user_name="user_123", model=OpenAIChatModel( model_name=os.environ.get("zhipu_llm"), api_key=os.environ.get("zhipu_OPENAI_API_KEY"), stream=True, client_kwargs={"base_url": "https://open.bigmodel.cn/api/paas/v4"} ), embedding_model=DashScopeTextEmbedding( model_name="text-embedding-v2", api_key=os.environ.get("ali_OPENAI_API_KEY"), ), vector_store_config=VectorStoreConfig( provider="qdrant", config={"on_disk": True, "path": "./memory_data", "embedding_model_dims": 1536}, ), ) queries = [ ("咖啡偏好", "美式咖啡"), ("周末活动", "公园散步"), ] for name, query in queries: print(f"\n🔍 查询{name}:") memories_str = await long_term_memory.retrieve( msg=[Msg(role="user", content=query, name="user")], limit=3 ) if memories_str: memory_list = memories_str.splitlines() for i, memory in enumerate(memory_list, 1): print(f" {i}. {memory}") else: print(" 未找到记忆") if __name__ == "__main__": asyncio.run(query_clean())

record.py 写入

✅ 成功记录用户偏好 ✅ 成功记录周末活动偏好
import asyncio import os import sys sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) from agentscope.memory import Mem0LongTermMemory from agentscope.message import Msg from agentscope.model import OpenAIChatModel from agentscope.embedding import DashScopeTextEmbedding from mem0.vector_stores.configs import VectorStoreConfig from dotenv import load_dotenv load_dotenv() async def record_memory(): """记录用户偏好到长期记忆""" # 初始化长期记忆 long_term_memory = Mem0LongTermMemory( agent_name="Assistant", user_name="user_123", model=OpenAIChatModel( model_name=os.environ.get("zhipu_llm"), api_key=os.environ.get("zhipu_OPENAI_API_KEY"), stream=True, client_kwargs={ "base_url": "https://open.bigmodel.cn/api/paas/v4" } ), embedding_model=DashScopeTextEmbedding( model_name="text-embedding-v2", api_key=os.environ.get("ali_OPENAI_API_KEY"), ), vector_store_config=VectorStoreConfig( provider="qdrant", config={ "on_disk": True, "path": "./memory_data", "embedding_model_dims": 1536, }, ), ) # 记录用户偏好 user_msg = Msg(role="user", content="我喜欢喝美式咖啡,不加糖", name="user") assistant_msg = Msg(role="assistant", content="好的,我记住了您喜欢喝不加糖的美式咖啡", name="assistant") try: await long_term_memory.record( msgs=[user_msg, assistant_msg], infer=False ) print("✅ 成功记录用户偏好") # 记录第二个偏好 user_msg2 = Msg(role="user", content="周末我喜欢去公园散步", name="user") assistant_msg2 = Msg(role="assistant", content="了解了,您周末喜欢去公园散步", name="assistant") await long_term_memory.record( msgs=[user_msg2, assistant_msg2], infer=False ) print("✅ 成功记录周末活动偏好") except Exception as e: print(f"❌ 记录失败: {e}") if __name__ == "__main__": asyncio.run(record_memory())
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/16 5:44:28

AI原生应用开发:如何利用自然语言处理提升用户体验?

AI原生应用开发:如何利用自然语言处理提升用户体验? 关键词:AI原生应用、自然语言处理(NLP)、用户体验(UX)、意图识别、情感分析、对话系统、多模态交互 摘要:在AI技术爆发的今天&am…

作者头像 李华
网站建设 2026/4/25 12:49:29

200 分钟网课压缩到 10 分钟:Python+FFmpeg+大模型,帮我省下 95% 学习时间

摘要:在这个知识爆炸的时代,我们收藏了太多的视频教程,却往往止步于“收藏夹吃灰”。本文将手把手教你如何构建一个自动化视频知识提取系统。利用 Python 胶水语言的优势,结合 FFmpeg 的媒体处理能力、OpenAI Whisper 的语音识别模…

作者头像 李华
网站建设 2026/4/23 16:06:54

【报告】东鹏饮料印尼落子:2亿美元携手华商巨头,共筑出海桥头堡

一边是国内能量饮料的领军者,业绩高歌猛进;一边是横跨食品、零售等领域的印尼商业巨擘。当两者以2亿美元为筹码坐上谈判桌,一场撬动东南亚市场的战略布局由此展开。 2026年1月底,这一场景成为现实:东鹏饮料宣布与印尼…

作者头像 李华
网站建设 2026/4/17 13:02:43

大模型Agent应用开发教程(非常详细),手把手教你从零构建智能体!

Agent的前身Function Calling,让大模型具备了调用外部工具的能力,可这显然还不能构成一个能帮助我们干活的智能体。作为一个智能系统,应该要具备自主感知、决策与行动能力,通过观察环境并利用可用工具采取行动,以实现特…

作者头像 李华
网站建设 2026/4/20 3:34:56

【无线可充电传感器网络(WRSN)】公交网络辅助的无人机调度,用于无线可充电传感器网络的可持续充电附Matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 🍎 往期回顾关注个人主页:Matlab科研工作室 🍊个人信条:格物致知,完整Matlab代码及仿真…

作者头像 李华